[发明专利]一种基于图像分析的套牌车识别方法

权利要求书

1.一种基于图像分析的套牌车识别方法，其特征在于，包括以下步骤：

(1)获取两张车牌号信息相同的车辆图像；

(2)提取获取的车辆图像的特征点，并对特征点进行匹配；

(3)通过匹配的特征点对车辆图像进行对齐；

(4)提取对齐后的整个车辆图像的特征向量，并比较特征向量的相似度S；设定一个阈值τ，若S大于等于τ，则两辆车是同一辆车；若S小于τ，则两辆车是套牌车，并将对齐后的车辆图像划分成不同尺度大小的块；

(5)按照每个尺度划分的块提取块的特征，对两张车辆图像在每个尺度下相同位置的块的特征进行比对，并记录每个尺度下相同位置存在差异的块；

(6)对于不同尺度下记录的块进行融合；

(7)对融合后的块进行后处理。

2.根据权利要求1所述的一种基于图像分析的套牌车识别方法，其特征在于，所述步骤(1)中，车辆图像是两张车牌信息相同的，且具有多个属性的车辆。

3.根据权利要求1所述的一种基于图像分析的套牌车识别方法，其特征在于，所述步骤(2)包括以下步骤：

(21)采用Harris角点检测算法检测出车辆图像的特征点，利用移动的窗口在图像中计算灰度变化值，从而判断是否为角点、边缘、平滑区域；

(22)采用尺度不变特征变化SIFT匹配方式对检测出的特征点进行匹配；

(23)再用随机抽样一致性算法剔除误匹配的特征点。

4.根据权利要求3所述的一种基于图像分析的套牌车识别方法，其特征在于，所述步骤(23)中，剔除误匹配的特征点具体如下：

(231)从匹配的特征点样本集中随机抽选出3个匹配点对；

(232)根据这3个匹配点对的位置坐标((x1，y1)，(u1，v1))，((x2，y2)，(u2，v2))，((x3，y3)，(u3，v3))计算变换矩阵M；

(233)根据样本集的匹配点对，变化矩阵M以及误差度量函数计算满足当前变换矩阵的一致集，并返回一致集中元素个数；

(234)根据当前一致集中元素个数判断是否为最优一致集，若是则更新当前最优一致集，直至找到最优一致集，得到变换矩阵M。

5.根据权利要求4所述的一种基于图像分析的套牌车识别方法，其特征在于，所述一致集，是指集合中的所有匹配点对均满足当前变换矩阵M。

6.根据权利要求4所述的一种基于图像分析的套牌车识别方法，其特征在于，所述步骤(3)中，首先按旋转变换参数，计算旋转角度θ，对其中的一张车辆图像旋转θ，使其与另一张车辆图像角度保持一致；然后通过尺度变换参数，确定待比对的公共区域，得到两张对齐后的车辆图像。

7.根据权利要求1所述的一种基于图像分析的套牌车识别方法，其特征在于，所述步骤(4)中，将两张车辆图像按照level1，level2，level3三个尺度分成不同大小的块；

在level1尺度下，车辆图像被划分成16个区域，每个区域的大小相同；

在level2尺度下，车辆图像被划分成64个区域，每个区域的大小相同；

在level3尺度下，车辆图像被划分成256个区域，每个区域的大小相同。

8.根据权利要求7所述的一种基于图像分析的套牌车识别方法，其特征在于，所述步骤(5)包括以下步骤：

(51)按照level1尺度，分别提取两张车辆图像被划分成的16个块的特征，并计算两张车辆图像相同位置的块的特征之间的距离d1，设定一个合适的阈值τ1，若d1大于τ1，则记录当前尺度下的块；

(52)按照level2尺度，分别提取两张车辆图像被划分成的64个块的特征，并计算两张车辆图像相同位置块的特征之间的距离d2，设定一个合适的阈值τ2，若d2大于τ2，则记录当前尺度下的块；

(53)按照level3尺度，分别提取两张车辆图像被划分成的256个块的特征，并计算两张车辆图像相同位置块的特征之间的距离d3，设定一个合适的阈值τ3，若d3大于τ3，则记录当前尺度下的块。